基于优化LSTM的雷达威胁预测

作     者：蒋志衡 董阳阳 张立东 李艳慧 董春曦 JIANG Zhiheng;DONG Yangyang;ZHANG Lidong;LI Yanhui;DONG Chunxi

作者机构：西安电子科技大学电子工程学院西安710071 中国人民解放军93209部队北京100085 

出 版 物：《电子信息对抗技术》 (Electronic Information Warfare Technology)

年 卷 期：2024年第39卷第5期

页      面：18-26页

学科分类：11[军事学] 080904[工学-电磁场与微波技术] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 110503[军事学-军事通信学] 0810[工学-信息与通信工程] 1105[军事学-军队指挥学] 1104[军事学-战术学] 082601[工学-武器系统与运用工程] 081105[工学-导航、制导与控制] 0826[工学-兵器科学与技术] 081001[工学-通信与信息系统] 081002[工学-信号与信息处理] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金资助项目(61901332) 

主　　题：电子对抗 雷达威胁预测 长短期记忆网络 注意力机制 

摘      要：根据相关信息对未来时刻的威胁程度进行合理预测,将有利于提前做好各种威胁应对措施,提升电子对抗作战效能。但是目前对雷达威胁度预测的研究还处于起步阶段,针对该问题,提出基于优化长短期记忆网络(Long Short-Term Memory,LSTM)的雷达威胁预测方法。该方法从两个方面对传统的LSTM进行优化:一是通过引入注意力机制对威胁等级影响指标赋予不同的权重,以突出影响威胁度的关键指标;二是使用差分进化(Differential Evolution,DE)算法对引入注意力机制后的LSTM网络超参数进行优化,以提高模型预测性能和预测精度。实验结果表明,该模型的决定系数相比传统LSTM、未经DE算法优化的Attention-LSTM模型分别提高了7.07%和4.57%,能够实现对雷达威胁等级的准确预测。